一道java面試題，20億數(shù)字的文本排序，如何取前100？因為這是一個Java問題，所以這是典型的TOPK問題。首先取前100個數(shù)字構建一個最小堆，然后依次從堆的頂部插入剩余的數(shù)字，同時調整堆。堆中最

一道java面試題，20億數(shù)字的文本排序，如何取前100？

因為這是一個Java問題，所以這是典型的TOPK問題。首先取前100個數(shù)字構建一個最小堆，然后依次從堆的頂部插入剩余的數(shù)字，同時調整堆。堆中最后100個元素就是結果。空間復雜度為k，時間復雜度為nlogk

在正常配置下，MySQL只能承載2000萬數(shù)據(jù)（同時讀寫，表中有大文本字段，單服務器）?，F(xiàn)在已經(jīng)超過1億，而且還在增加，建議按以下方式處理：

1子表。它可以按時間或一定的規(guī)則進行拆分，以便盡可能地查詢子表中的數(shù)據(jù)庫。這是最有效的方法。特別是寫，放入一個新表，并定期同步。如果記錄不斷更新，最好將寫入的數(shù)據(jù)放在redis中，并定期同步表3的大文本字段，將它們分隔成一個新的獨立表。對于較大的文本字段，可以使用NoSQL數(shù)據(jù)庫

4優(yōu)化體系結構，或者優(yōu)化SQL查詢，避免聯(lián)合表查詢，盡量不要使用count（*）、in、recursion等性能消耗語句

5使用內(nèi)存緩存，或者在前端讀取時增加緩存數(shù)據(jù)庫。重復讀取時，直接從緩存中讀取。

以上是一種低成本的管理方法，基本上幾個服務器就可以做到，但是管理起來有點麻煩。

當然，如果總體數(shù)據(jù)量特別大，并且您不關心投資成本，那么您可以在許多方面使用cluster或tidb。有個主意。首先，字符串從單個字符中分離出來，然后for循環(huán)匹配以確定它是字母還是數(shù)字。匹配時，可以使用正則表達式，也可以使用字母和數(shù)字的范圍來判斷。